定义：模板匹配是在给定的图片中查找和模板最相似的区域，该算法的输入包括模板和图片，整个任务的思路就是按照滑窗的思路不断的移动模板图片，计算其与图像中对应区域的匹配度，最终将匹配度最高的区域选择为最终的结果。 原理：将模板块每次移动一个像素(从左往右，从上往下)，在每一个位置，都计算与模板图像的相似程度。对于每一个位置将计算的相似结果保存在结果矩阵®中。如果输入图像的大小(WxH)且模板图像的大小(

接续：先前发现只要比较接近的pin都会被框选出来，所以接下来我们需要从数据上来细化这些相似程度。 一. 测试方式     第一组：将钣金上的pin做正向放置和反向放置，同一个视角拍照各三张。如下图：前正后反，并且以正放做模板。   以第一种模板匹配方式测得数据为： 正：8034182         8423664         9001341 反：91645552

一.主要目的：    钣金上有很多pin及其相似，本文想尝试使用matchTemplate 来分辨出特定位置的pin是否和正确的pin相一致。 二.模板匹配方式概要：  在OpenCv和EmguCv中支持以下6种对比方式：     CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。     CV_TM_CCORR 相关匹配法：该方法采

OpenCV的函数 Rect()函数cvRectangle与cv::rectanglematchTemplate()归一化函数normalize() Rect()函数 基本概念： Rect(int x, int y, int width, int height); 参数含义： Rect（左上角x坐标 ， 左上角y坐标，矩形的宽，矩形的高） 例如我们画一个图 Rect(20,5

目录 1 直方图归一化2 直方图比较3 直方图均衡化4 直方图匹配6 图像模板匹配 直方图能够反应图像灰度值等统计特性，但是这个结果只统计了数值，是初步统计结果，OpenCV4 可以对统计结果进行进一步的操作以得到更多有用的信息，例如求取同结果的平均概率分布，通过直方图统计结果对两张图像中的内容进行不叫。本文主要介绍直方图归一化、直方图比较、直方图均衡化和直方图匹配等直方图操作与实际